基于知识图谱的电力设备故障知识库构建方法

巩宇，李碧薇，李德华，阳曦鹏，陈强

（1.中国南方电网有限责任公司调峰调频发电公司，广东 广州 510635；2.工业和信息化部电子第五研究所，广东 广州 511370）

0 引言

电力设备运行维护过程中涉及到的数据众多，其中包括了设备、故障、实时监测和维修等信息，而这些数据之间往往相互关联，存在着较为复杂的关系，如何对数据进行有效的管理和应用，对提高电力设备运行维护的工作效率具有重要的意义，这一过程的本质是故障知识提取和再利用[1]。而在电力设备的故障管理过程中常常仅关注故障的分级分类和故障的处理过程，记录的故障数据零散，缺乏更系统性的数据管理，因此需要一种更为有效的方法来实现对故障数据的管理和应用。针对这一需求，引入知识图谱技术对电力设备的故障知识进行建模，利用知识图谱技术在构建知识网络与展现知识关联方面的巨大优势，为具有复杂关系的知识信息提供了一种新的获取、存储、组织、管理、更新和展示的手段。

“知识图谱”于2012 年被Google 正式提出并用于提升搜索引擎返回的答案质量和用户查询信息的效率，是一种揭示实体之间关系的语义网络，可以对现实世界的事物及其相互关系进行形式化的描述[2]。近年来知识图谱已在智能搜索、深度问答和社交网络，以及金融、医疗等一些垂直行业中有所应用。在可靠性的研究方面，因知识图谱技术在知识积累与融合方面的优势，一些学者将其应用于故障诊断与分析，提高了故障诊断的效率。LU 等人[2]提出了装备故障知识图谱的构建方法和应用，并用于辅助故障检修。杜林明等人[3]借鉴RCM 和PHM 的系统化思路，以产品信息模型作为信息组织模式，利用故障树、系统报警与故障模式之间的关联关系构建知识图谱；结合PHM 技术实现机车故障诊断系统中的报警预测、关联关系挖掘和寿命预测等核心功能。刘绪忠等人[4]针对网络监控过程中存在的大量告警信息，需要依赖于维护人员的经验才能判定设备是否故障，采用知识图谱技术，建立相关规则来进行智能关联与匹配，可根据告警信息得到故障判定结果，提升故障发现和故障定位能力。李乐乐等人[5]提出建立飞机维修与维护的知识图谱，用于飞机维修的推荐步骤查询，有效地提高了维修信息的存储和搜索能力。刘鑫[6]将知识图谱用于故障诊断领域，采用语义环境下的本体建模方法，建立了故障分析领域通用知识本体模型实现故障信息动态检索，提高故障诊断知识的利用率和共享程度。贾晓霞等人[7]提出为充分利用以往的维修案例和维修经验，通过特征向量、知识图谱技术直观表达故障知识和故障场景，并基于构建的知识库提出新的故障诊断方法。赵倩[8]构建了数控设备领域知识图谱，从历史故障数据中提取出复杂的关联关系，将故障知识结构化和可视化，用于辅助数控设备的故障诊断，有效地提高了故障知识的利用率和故障诊断效率。王莉等人[9]将知识图谱技术应用于地铁工程事故的知识建模与分析，为地铁的事故分析提供数据支撑。由此可见，对于当前普遍存在的故障诊断靠经验，难以有效地利用历史故障数据的问题上，知识图谱技术能够提供一个有效的解决方法。

在规模更加庞大、结构更为复杂的电力行业中，考虑到电力设备的信息化管理和智能化运维的需求，一个融合了设备信息、故障信息、实时监测信息和维修信息的故障知识库成为重要的基础，而目前尚未形成一个更为系统的、针对电力设备运行检修的故障知识库。本文提出结合故障模式及其影响分析（FMEA）构建电力设备故障知识图谱，为故障知识提供规范的存储形式，并有利于故障知识的不断累积。进一步可利用知识图谱来提高故障诊断的效率，从而实现对电力设备故障知识的有效管理和应用。

1 电力设备故障知识图谱构建

知识图谱是一种结构化的语义知识库，运用网络结构描述现实世界中的概念、实体及其相互关系。知识图谱生命周期可以划分为如下阶段：确定知识需求→知识建模→知识获取→知识存储→知识管理→知识应用，在知识应用过程中会不断地提出新的需求，进而推动知识图谱的完善和进化，这是一个迭代的过程[9]。本文构建的电力设备故障知识图谱属于典型的领域知识图谱，具有较为明确的概念和关系模式，能够有助于实现电力设备故障知识的持续积累，从各种途径收集的故障数据中抽取的关键知识要素，通过标准化的表示方式和各种关系能够有效地整合，从而不断地拓展领域知识的范围；还能够为知识的智能应用和可视化展示提供基础元素。

1.1 电力设备故障知识框架

当前电力设备的运行维护朝着信息化和智能化的方向发展，电力设备的故障知识在故障分析和故障处理，以及维修策略与保障措施的制定和优化中都有着重要的应用。电力设备的故障知识来源于设计知识、原理知识和经验知识等，从中提炼出故障分析知识和故障处理知识，此外历史故障案例中也存在着重要的故障知识；可通过故障报送来进行采集，通过一些统计分析手段来获得更加宏观的故障规律并不断地更新故障知识。为了更好地管理和应用，故障知识需要存入特定的故障知识库中，并直接为电力设备的故障诊断、维修策略和保障措施提供支撑。电力设备故障知识架构，即在构建的知识图谱知识需求如图1 所示。

图1 电力设备故障知识架构

1.2 故障知识建模

知识图谱的基本单位为“实体（Entity）-关系（Relationship）-实体（Entity）”，因此构建知识图谱的核心工作在于从大量的非结构化数据中提取出实体和实体关系。实体是知识图谱中的原子信息元素，对特定领域中的一类实体抽象形成概念，每类实体可能具有不同的属性特征[10]。概念设计就是要根据领域知识需求，确定该领域包含的概念及其属性。关系是反映两个实体之间存在的联系，对于特定的领域，不同类型的实体之间可能存在不同的关系。知识建模需要确定知识网络中实体和关系的类型，即概念和关系模式设计。

因此本文的知识模型中包括3 元组：概念、关系和属性，如表1-3 所示。故障知识图谱中的概念是指知识库所需要的不同的实体类别，例如：不同层次的设备、故障模式类数据、维修类数据和监测类数据等；关系是指具体的实体之间的关系，例如：故障影响关系、故障原因关系和从属关系等；属性是实体所具有的自身属性，可区别于其他实体的特征，不同的实体具有的属性不同，例如：故障模式具有的属性包括编号、名称和类型等，实体的每个属性都有其确定的属性值。故障知识图谱的主要概念和关系模型如图2 所示。

图2 故障知识图谱的主要概念和关系模型

表1 主要概念

表2 主要关系

表3 主要属性

1.3 知识获取

知识获取是指从各类数据源中提取知识要素。电力设备故障的关键知识要素提取需要从故障描述文本中识别出与给定故障关联的故障设备、故障模式、故障原因、故障影响和维修措施等关键知识要素。主要来源于故障模式库、对部分系统开展的FMEA 得到的FMEA 数据表、历史故障案例中提取出故障模式及其相关实体信息和关系信息，如图3所示。知识获取的过程中还涉及到对数据的标准化处理，需要制定一套完善的标准来规范数据类型、数据格式和数据的内容描述。

图3 故障知识来源

1.4 知识存储与管理

知识存储和数据管理是将获取到的知识存储到特定的数据库中，并实现对故障知识的操作和应用。本文基于Mysql 数据库开发了一套知识库管理工具而实现知识库的管理和应用。

2 基于知识图谱的电力设备故障知识库的应用

基于知识图谱的电力设备故障知识库的最终目的是对故障相关的知识进行存储、提取、整合和再利用，充分地发挥故障数据的价值，有效地提升电厂的运维效率，快速地定位故障，及时地恢复生产，甚至降低运维成本。其应用主要体现在标准化故障数据的采集、自动化故障诊断、维修策略的制定和保障资源规划4 个方面。

2.1 标准化故障数据采集

历史故障数据是一个重要的故障知识来源，电厂在运维过程中会不断地产生新的故障数据，更新历史故障案例库，而这类故障数据包含了故障发现、故障分析和故障处理相关的一系列信息，在采集的过程中存在一定主观性和不规范的情况，利用基于知识图谱的电力设备故障知识库中确定的数据可以进行标准化故障数据的采集，得到结构化数据。此外，在数据采集的过程中可同步将采集到的数据自动地转化成故障知识，实现知识图谱的更新。

2.2 故障诊断

基于知识图谱的电力设备故障知识库的一个重要应用是故障知识图谱可结合故障诊断模型开展自动化故障诊断或辅助故障诊断。故障知识图谱中包含故障诊断的相关规则，这些规则来源于故障分析与故障处理的经验知识或者系统的原理知识，可对在线检测系统输出的实时监测参数和告警信息进行特征提取，利用故障诊断模型得到诊断结果。还可以利用历史故障案例的检索，找到相似的故障模式，为排故提供参考。

2.3 维修策略

电力设备的维护和检修工作是电厂稳定运行的重要基础，其维修策略、维修方式和间隔时间的制定都影响着电厂运行的可靠性，而电力设备种类繁多，系统结构复杂，使得这样一个决策成为一个非常复杂的问题。基于知识图谱的电力设备故障知识库可提供相关的故障时间数据，得到不同情况下的故障规律，对设备的故障时间或寿命进行预测，为维修计划的制定提供支持。此外维修活动也是故障知识积累的过程，可为事后维修向预防性维修的转变提供有力的支撑。

2.4 保障资源规划

电力设备在维修保障的过程中主要涉及到人员与资源的配置，例如：人员、检测设备和备件的调配。可以利用电力设备故障知识库中的数据进行统计分析，并结合维修策略得到最优的备件数量；还可以在知识图谱中关联供应商信息和备件品牌信息，根据历史使用数据来决定采购的备品的品牌和数量等。

3 电力设备故障知识库管理软件

在上述理论基础上开发了电力设备故障知识库管理工具，其主要功能是对知识库进行必要的数据管理和图形化显示，能够更加方便和直观地对故障知识库进行管理，还可以为知识库数据交互提供接口。管理软件的界面如图4 所示。

图4 电力设备故障知识库管理软件界面

软件可显示出电力设备的整体结构，以及与设备关联的故障模式及其他属性。能够对数据库中的数据进行修改和查询。软件提供故障链的展示如图5 所示，故障链有助于分析故障的影响关系。还能显示出故障模式的关联关系，有助于进行故障分析和故障处理，如图6 所示，以“上位机系统瘫痪”作为案例，可显示出所有可能的原因。

图5 故障链显示

图6 故障知识关联关系显示

4 结束语

本文针对电力设备在运行维护过程中故障数据量多且不成体系的管理困境，结合故障诊断、维修决策和保障措施中对故障知识的需求提出了基于故障知识图谱的电力设备故障知识库的构建方法，该方法能够有效地解决难以利用故障数据的困境，为电力设备的故障知识提供新的组织形式，有利于故障知识的采集、积累和故障规律的挖掘和应用，能够进一步地推进电力设备的运维朝着信息化和智能化的方向发展。